数据的平稳性

一、数据平稳性

李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。

二、特征与判断

给出一个随机时间序列，首先可通过该序列的时间路径图来粗略地判断它是否是平稳的。一个平稳的时间序列在图形上往往表现出一种围绕其均值不断波动的过程；而非平稳序列则往往表现出在不同的时间段具有不同的均值（如持续上升或持续下降）。下图（a）可以初步判断数据具有平稳性。而（b）显示出非平稳性

进一步判断：检验样本自相关函数及其图形。随着之后阶数的增加，样本自相关函数下降且趋于零。但从下降的速度来看，平稳序列要比非平稳序列快得多。

三、例子

例1：

从图像上看，它在样本均值0附近上下波动，且样本自相关系统迅速下降到0，随后在0附近波动且逐渐收敛于0.因此，初步判断，该随机过程是一个平稳的过程。

例2：该序列具有相同的均值，但从样本自相关图形看，虽然自相关系统迅速下降到0，但随着时间的推移，则在0附近波动且呈现发散的趋势。因此，初步判断，该随机过程是一个非平稳过程。